UPBUPB

Computer Based Information System JournalComputer Based Information System Journal

Penelitian ini bertujuan untuk mengidentifikasi kesegaran daging ayam berdasarkan citra menggunakan Convolutional Neural Network (CNN). Dalam industri pangan, penentuan kesegaran daging ayam secara cepat dan akurat sangat penting untuk memastikan kualitas produk dan keamanan konsumen. Metode CNN digunakan karena kemampuannya yang tinggi dalam ekstraksi fitur dan klasifikasi citra. Dataset citra daging ayam dikumpulkan dan diproses untuk melatih model CNN. Kami mengevaluasi performa model klasifikasi biner menggunakan kurva Receiver Operating Characteristic (ROC) dan nilai Area Under the Curve (AUC). Hasil menunjukkan nilai AUC sebesar 0,47, mengindikasikan performa klasifikasi yang kurang baik. Namun, evaluasi menggunakan F1-Score menunjukkan hasil yang sangat positif, dengan nilai F1-Score pelatihan sebesar 0,87 dan validasi sebesar 0,99. Ini mengindikasikan kemampuan prediksi yang kuat dan generalisasi yang baik dari model terhadap data yang tidak terlihat selama pelatihan. Hasil ini menunjukkan potensi penggunaan CNN dalam mengidentifikasi kesegaran daging ayam, meskipun diperlukan perbaikan lebih lanjut untuk meningkatkan performa klasifikasi biner yang diindikasikan oleh nilai AUC.

Model CNN yang dikembangkan untuk mengidentifikasi kesegaran daging ayam menunjukkan performa beragam, dengan nilai AUC hanya 0,47 yang menandakan kemampuan diskriminasi biner yang rendah.Namun, nilai F1‑Score yang tinggi (0,87 pada pelatihan dan 0,99 pada validasi) memperlihatkan keseimbangan yang baik antara precision dan recall serta kemampuan generalisasi yang kuat.Untuk meningkatkan kemampuan klasifikasi biner, diperlukan perbaikan seperti fine‑tuning hiperparameter, penambahan data, atau penggunaan arsitektur CNN yang lebih kompleks serta teknik ensemble.

Saran penelitian lanjutan meliputi: pertama, apakah penggunaan model transfer learning dengan arsitektur CNN yang telah dilatih pada dataset citra besar dapat meningkatkan nilai AUC pada identifikasi kesegaran daging ayam? Kedua, bagaimana pengaruh penggabungan data multimodal, seperti citra spektral atau tekstur mikro, dengan teknik ekstraksi fitur tradisional terhadap akurasi dan robustitas model? Ketiga, dapatkah dikembangkan aplikasi berbasis perangkat seluler yang memanfaatkan model ringan namun tetap akurat untuk deteksi kesegaran daging secara real‑time, serta bagaimana performanya dibandingkan dengan model desktop? Penelitian-penelitian ini akan memperluas pemahaman tentang optimasi arsitektur jaringan saraf, memperkaya sumber data, dan menguji implementasi praktis dalam konteks e‑commerce, sehingga dapat memberikan solusi yang lebih handal bagi industri pangan. Selain itu, penting untuk melakukan studi pengguna guna menilai kepuasan konsumen dan efektivitas sistem dalam mengurangi penjualan daging yang tidak segar melalui platform e‑commerce.

Read online
File size509.67 KB
Pages9
DMCAReport

Related /

ads-block-test